Estudiando probabilidad usando a Rstudio Server

Estudiando probabilidad usando a

Rstudio Server
Red de investigaciones y Tecnologa Avanzada - RITA
Facultad de ingeniera
Universidad Distrital Francisco Jos
e de Caldas

Copyleft 2015. Reproducci

on permitida bajo los
terminos de la licencia de documentaci
on libre GNU

Estudiando probabilidad usando a Rstudio Server

Probabilidad

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Formas de variabilidad

Objetivos

Comprender la distribuci
on de una variable en una poblacion y

calcular los parametros de esta distribuci

on
Familiarizarse con el concepto de una variable aleatoria.
Relacionar la distribuci
on de la poblaci
on y la distribucion de

una variable aleatoria producida por muestreo al azar sujetos

de la poblacion.
Identificar la distribuci
on de la variable aleatoria en entornos

simples y calcular su esperanza y la varianza.

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Formas de variabilidad

Formas de variabilidad

Introducir la variabilidad de una poblaci

on y presentar algunas

res
umenes numericos que caracteriza a esta variabilidad
> ex.1 < read.csv (ex1.csv )
> summary (ex.1)
Intentemos cargar un conjunto de datos mayor.
Archivo pop1.cvs

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias

Probabilidad y estadstica

Probabilidad se introdujo por primera vez como una rama de

las matematicas en la investigaci

on de la incertidumbre
asociada a los juegos de azar
Durante el siglo 19 la probabilidad comenz
o a ser utilizado

para modelar la variabilidad en mediciones.

Probabilidad sirve de base matem
atica para el desarrollo de la

teora estadstica

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias

Principios b
asicos de Probabilidad

0 P(E ) 1

P(E ) = 1

P(AUB) = P(A) + P(B)

P(A) = 1 P(A1)0
P(AUB) = P(A) + P(B) P(AnB)

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias discretas

Variable aleatoria discretas

Expectativa y desviaci
on est
andar
Las definiciones de media y varianza para una variable aleatoria
discreta siguen la misma filosofa, sustituyendo frecuencias relativas
por probabilidades.
Media o Esperanza
= E [x] =

k
X

xi P(xi )

i=1

Varianza
2

= V (X ) =

k
X
i=1

(xi E |X |)2 P(xi )

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias discretas

La variable aleatoria binomial

Es el modelo de probabilidad de la variable aleatoria X=N

umero
de exitos obtenidos en las n pruebas .
Los valores para esta variable son x = 0, 1, 2, ..., n y su funci
on

de probabilidad es:
 
n x
P(x) =
p (1 p)nx
k

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias discretas

La variable aleatoria binomial

Ejemplo vamos a usar una funci

on en orden para calcular la
probabilidad de la funci
on binomial para obtener valores
impares.Utiliza la funci
on dbinom
> dbinom(c(1, 3, 5, 7, 9), 10, 0.5)
[1]0.0097656250.1171875000.2460937500.1171875000.009765625
Para obtener la probabilidad del evento que X sea impar, se suma
todas las probabilidades resultantes.
> sum(dbinom(c(1, 3, 5, 7, 9), 10, 0.5))
[1]0.5

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias discretas

La variable aleatoria binomial

Media o Esperanza
E [x] = np
Varianza
V (X ) = np(1 p)
Comprueba estas formulas aplicando la definici
on para la secuencia
de n
umeros del 1 al 10.
> X .val < 0 : 10
> P.val < dbinom(X .val, 10, 0.5)
> EX < sum(X .val P.val)
> sum((X .val EX )2 P.val)
[1]2.5

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias discretas

La variable aleatoria de Poisson

El modelo de Poisson es otro de los modelos m as utilizados en
Probabilidad y Estadstica.
La forma mas sencilla e intuitiva de presentarlo es como el

lmite de la distribuci
on binomial B(n;p) , cuando n y
p0
Los valores posibles para esta variable son x = 0, 1, ...... y su
probabilidad es:
e x
P(x) =
x!

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias discretas

La variable aleatoria de Poisson

Se usa para estudiar el numero de exitos obtenidos en un numero
grande de pruebas independientes de Bernoulli, y la probabilidad de
exito, cada vez que se repite la prueba, es pequena
Se usa la funcion dpois(), el primer parametro es la funcion y el
segundo es la expectativa de la distribuci
on.
Media o Esperanza
E [x] = lim np =
n

Varianza
V (X ) = lim np(1 p) =
n

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias discretas

La variable aleatoria de Poisson

Ejemplo: Calcular la distribuci
on de la probabilidad para el misma
secuencia de n
umeros de 1 a 10.
x < 0 : 10
1]1.353353e 012.706706e 012.706706e 011.804470e 01
9.022352e 023.608941e 021.202980e 02
3.437087e 03[9]8.592716e 041.909493e 043.818985e 05
Para calcular la frecuencia acumulativa se usa la ppois()
ppois(x, 2)
[1]0.13533530.40600580.6766764
0.85712350.94734700.98343640.995466
0.99890330.99976260.9999535
[11]0.9999917

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias continuas

Variables aleatorias continuas

Una variable aleatoria,X,decimos que es de tipo continuo cuando

puede tomar cualquier valor en un intervalo de la recta real con
una funci
on de densidad que representa la idealizacion en la
poblacion.
Media o Esperanza
Z
= E [x] =

xf (x)
R

Varianza
2

= V (X ) =

R(x E |X |)2 f (x)

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias continuas

La variable aleatoria uniforme

La funcion de densidad de la variable aleatoria uniformes esta

definida por:
1
f (x) =
(b a)
Para el intervalo a x b
Se utiliza para modelar las medidas que pueden tener valores en un
intervalo dado, con todos los valores en este intervalo la misma
probabilidad de ocurrir.

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias continuas

La variable aleatoria uniforme

La funci
on de densidad en valores dados puede ser calculado

con la ayuda de la funci

on dunif .
Calcular la distribuccion de probabilidades de la anterior secuencia
para el intervalo [3,7]
> dunif (0 : 10, 3, 7)
[1]0.000.000.000.250.250.250.250.250.000.000.00
La funci
on punif() calcula la probabilidad acumulativa de la

distribucion uniforme .

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias continuas

La variable aleatoria uniforme

Calcular la probabilidad y la probabilidad acumulativa para 4.73
> dunif (4, 73, 3, 7)
[1]0.25
> punif (4, 73, 3, 7)
[1]0.0.4325

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias continuas

La variable aleatoria uniforme

Realizar la grafica en R por medio de los siguientes comandos.
x < seq(0, 10, length = 1000)
den < dunif (x, 3, 7)
plot(x, den)
Si quieres que la grafica sea continua ingresa el parametro
type=1
A continuacion se muestra la esperanza y varianza para esta
distribucion .
Media o Esperanza
a+b
E [x] =
2
Varianza
(b a)2
V (X ) =
12

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias continuas

La variable aleatoria exponencial

Se utiliza con frecuencia para modelar eventos relacionados con el
tiempo. Ejemplo, los tiempos entre las llamadas telefonicas
entrantes, el tiempo hasta que un componente se convierte en mal
funcionamiento,radioactividad, etc.
f (x) = e x
La densidad de la distribuci
on exponencial puede ser calculada con
la ayuda
La probabilidad acumulada puede ser calculada con la funcion
pexp() de la funcion dexp()

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias continuas

La variable aleatoria exponencial

Calcula la probabilidad P(2 X 6) de la variable aleatoria en el
intervalo [2,6]
> pexp(6, 0.5) pexp(2, 0.5)
[1]0.3180924

Figure: Distribuci
on uniforme

Estudiando probabilidad usando a Rstudio Server

Probabilidad
Variables aleatorias continuas

La variable aleatoria exponencial

Media o Esperanza
E [x] =
Varianza

1
2
Se muestra una grafica de como varia la distribucion exponencial
en funci`on del parametro o llamado tasa en este caso.
V (X ) =